论文部分内容阅读
针对结构化数据的清洗问题，以基于正则表达式的结构化修复（RSR）算法为基础，借鉴字符串之间编辑距离的计算思想，将违反偏序关系的边从自动机的边集中提取出来，仅对得到的边引入优先级队列来修正所对应的编辑距离，而其他边由于满足偏序关系则可直接通过递推式来计算，从而提出一种改进RSR算法。算法测试与分析结果表明，改进RSR算法在时间复杂度方面有明显优势，相对原算法的提升显著且稳定。